Detail publikace
Density-Based Vehicle Counting with Unsupervised Scale Selection
Špaňhel Jakub, Ing., Ph.D. (UPGM FIT VUT)
Bartl Vojtěch, Ing., Ph.D. (UPGM FIT VUT)
Juránek Roman, Ing., Ph.D. (UPGM FIT VUT)
Herout Adam, prof. Ing., Ph.D. (UPGM FIT VUT)
Hluboké učení; Odhad hustoty; Počítání objektů; Dopravní dohled; Počítání vozidel
Významnou překážkou pro úlohy zaměřené na vizuální počítání jsou značné rozdíly v rozměrech objektů, které mají být v obraze spočítány. Rozdílná velikost může být způsobena perspektivním zkreslením, mnohem větší změny velikosti však mohou velmi jednoduše nastat například v případě snímků pořízených dronem v různých výškách nad zemí. Cílem práce je přispět k překonání tohoto problému za použití pouze velmi jednoduchých anotací v podobě teček, a minimální úrovně supervize při trénování. Práce navrhuje modifikaci struktury neuronové sítě Stacked Hourglass, která modelu umožňuje zpracovat více měřítek vstupního obrazu a automaticky z nich vybrat vhodného kandidáta pomocí skóre udávajícího kvalitu. Upravený je také samotný proces trénování tak, že umožňuje učení skóre kvality bez nutnosti přímé supervize, a tudíž není vyžadované žádné další úsilí pro anotaci dat. Prezentovaný přístup je vyhodnocen na třech běžně používaných datasetech: PUCPR+, TRANCOS a CARPK. Dosažené výsledky jsou srovnatelné s jinými současnými metodami, navíc jsou však více robustní vůči výrazným změnám vstupního měřítka.
@INPROCEEDINGS{FITPUB12360, author = "Petr Dobe\v{s} and Jakub \v{S}pa\v{n}hel and Vojt\v{e}ch Bartl and Roman Jur\'{a}nek and Adam Herout", title = "Density-Based Vehicle Counting with Unsupervised Scale Selection", pages = "1--8", booktitle = "Digital Image Computing: Techniques and Applications 2020", year = 2020, location = "Melbourne, AU", publisher = "Institute of Electrical and Electronics Engineers", ISBN = "978-1-7281-9108-9", doi = "10.1109/DICTA51227.2020.9363401", language = "english", url = "https://www.fit.vut.cz/research/publication/12360" }